【摘要】：SVM是解決非線性圖形識(shí)別問(wèn)題非常有效的分類方法。本文提出了一種SVDA分類方法,充分利用了SVM的內(nèi)在優(yōu)良推廣能力。通過(guò)尋找有限樣本情況下的最優(yōu)分類面法線方向作為投影軸,對(duì)樣本數(shù)據(jù)進(jìn)行投影,提取樣本的特征,進(jìn)而實(shí)現(xiàn)目標(biāo)識(shí)別。本文將SVDA分類方法應(yīng)用于MSTAR數(shù)據(jù)集進(jìn)行SAR雷達(dá)目標(biāo)識(shí)別實(shí)驗(yàn),得到了較好的識(shí)別效果。
[Abstract]:SVM is a very effective classification method to solve the problem of nonlinear graphic recognition. In this paper, a SVDA classification method is proposed, which makes full use of the inherent excellent generalization ability of SVM. By finding the normal direction of the optimal classification surface in the case of finite samples as the projection axis, the sample data are projected, the features of the samples are extracted, and then the target recognition is realized. In this paper, SVDA classification method is applied to MSTAR data set to carry out SAR radar target recognition experiment, and good recognition effect is obtained.
【作者單位】： 駐湖北荊州市南湖機(jī)械總廠軍代室;中國(guó)人民解放軍95357部隊(duì);
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 倪迎紅;陳玲;;雷達(dá)目標(biāo)識(shí)別及發(fā)展趨勢(shì)預(yù)測(cè)[J];電訊技術(shù);2009年11期

2 陳珂;蔣洪暉;劉曦霞;行正世;;雷達(dá)目標(biāo)識(shí)別系統(tǒng)的分層結(jié)構(gòu)設(shè)想[J];科技致富向?qū)?2010年36期

3 李廷軍,姜文利,王新政,陳貽煥;發(fā)展中的雷達(dá)目標(biāo)識(shí)別[J];現(xiàn)代雷達(dá);2000年06期

4 苗雨,姜文利,周一宇;基于高分辨距離象的雷達(dá)目標(biāo)識(shí)別特征分析[J];國(guó)防科技大學(xué)學(xué)報(bào);2001年05期

5 孫文峰;雷達(dá)目標(biāo)識(shí)別技術(shù)述評(píng)[J];雷達(dá)與對(duì)抗;2001年03期

6 解正美,張善文,李曉曼;雷達(dá)目標(biāo)識(shí)別的一種方法[J];電光與控制;2002年02期

7 李小平,李映,焦李成;一種快速有效的雷達(dá)目標(biāo)識(shí)別方法[J];航天控制;2003年04期

8 張靜,宋銳,夏勝平,郁文賢;雷達(dá)目標(biāo)識(shí)別系統(tǒng)的層式軟件結(jié)構(gòu)[J];系統(tǒng)工程與電子技術(shù);2005年03期

9 陳文彤;許人燦;陳曾平;;基于灰度圖特征的低分辨雷達(dá)目標(biāo)識(shí)別[J];現(xiàn)代雷達(dá);2006年09期

10 李輝;張安;于紅梅;;雷達(dá)目標(biāo)識(shí)別發(fā)展回顧與實(shí)現(xiàn)中的關(guān)鍵理論[J];紅外與激光工程;2007年S2期

相關(guān)會(huì)議論文 前10條

1 孫逸s，

本文編號(hào)：2476436